华盛顿大学研究团队通过创新的内部分析方法，深入探索了大语言模型的推理机制。研究发现模型确实具备多步推理能力，但存在脆弱性和一致性问题。当推理出错时错误会传播，且对相似问题可能给出不同答案。研究揭示了模型内部的专门化功能模块和注意力分配机制，为开发更可靠的AI系统提供了重要指导。

SSR是西湖大学研究团队开发的创新框架，通过引入深度感知增强视觉语言模型的空间理解能力。该方法将原始深度数据转换为结构化的推理语言，作为中间表示，显著提升空间推理能力。研究团队还创建了包含超过百万级的SSR-COT数据集和SSRBENCH评估基准。实验表明，SSR无需重新训练现有模型即可提供显著性能提升，在空间任务上最高改进22.5个百分点，为机器人和计算机视觉领域开创了新的可能性。

有光必有影，人们向往光明，却也无法避免黑暗。大数据与人工智能技术，可以让人更深入、更全面的对事物进行了解，但这种技术如果落到用心不良人手中，反而会蒙蔽大家的双眼。当黑产比我们更懂人工智能，企业又将如何去进行应对？

ChatGPT-5的统一架构消除了用户选择模型的认知摩擦，自动路由查询到快速或深度思考模式，使用户失去问题分类和框架构建的基本技能。这种无形的认知外包加上商业订阅模式，创造了"认知供应商锁定"效应。专家面临技能衰退和能力错觉的双重威胁，需要通过意识、理解、接受、问责四个维度建立认知抵抗力，主动维护人类独特的思维能力。

没有人会理解一个中年男人为什么会在四十岁这个压力最大的年纪，放弃稳定的技术主管生活，去坚持做“开源布道”这件看起来没有名，也没有利，甚至前路漫漫的事情。

当一个重大的安全事件发生时，自然会有一种反应过度的倾向。我们建议：不要惊慌。相反，遵循这四条准则建立一个应对Meltdown和Spectre漏洞的计划，并为下一步做好准备。

数字广告社区目前分为两大阵营：认为区块链技术会给业界带来革命性变化的人，以及认为这项技术被过度滥用且几乎没有实效的人。

昨日，由ThinkPad与虎嗅、脉脉、新世相联合举办的“尽管用你的方式打开我——2019 Fresh Thinking Day 职场高能盛典”在京举办，没错，瞄准的就是“职场进阶”这一热门话题，众多Thinker共聚首，用自己的亲身经历讲述一个又一个有温度的故事...

AI-RAN 联盟代表着一种战略转变，即拥抱人工智能及其增长潜力，减轻电信行业的财务压力。其主要目标是将人工智能与无线接入网络技术（尤其是即将到来的5G和6G网络）相结合，为电信业创造新的商机。

人口真会崩溃吗？

华盛顿大学研究团队开发出RCME系统，首次让AI真正理解生物分类的层级关系。该系统不仅能识别物种，还能理解从"界"到"种"的完整分类层级，在识别准确率和层级理解方面大幅超越现有技术，为生物多样性研究和物种保护提供了强大工具。

一项针对科技行业女性的调查显示，维持工作生活平衡是她们面临的最大挑战。45%的受访者表示在工作中难以平衡工作和生活，近30%认为性别偏见和歧视是最大障碍。尽管女性在科技行业的比例正在缓慢增长，但仍面临诸多困难，包括缺乏包容性文化、职业发展机会不平等等。调查还揭示了灵活工作政策、平等的育儿支持和清晰的职业发展路径对吸引和留住女性人才的重要性。

香港科技大学团队开发了名为CoPart的革命性3D生成技术，它模仿人类设计师的工作方式，将复杂3D物体分解为多个部件分别生成再组装。该技术采用双重编码策略和相互指导机制，确保各部件既精细独立又协调统一。研究团队还构建了包含91000个部件的大规模数据集PartVerse。实验显示CoPart在生成质量上显著优于传统方法，并支持部件编辑、关节物体生成等多种应用，为3D内容创作开辟了新方向。

5月21日，2018微软人工智能大会（Microsoft AI Innovate）正式开幕，微软公司资深副总裁，大中华区董事长兼首席执行官柯睿杰发表主题演讲，就此次大会背景及微软人工智能业务在中国的战略规划做出解读。

57% 的勒索软件攻击利用了未修补的漏洞，用户应加强防范意识。

当前,在构建新型电力系统的背景下,各式各样的电气设备也在面向未来的需求而不断进化。

随着以ChatGPT为首的应用工具一夜爆火，人工智能似乎找到了应用层面的合适出口，让大众、用户和产业，看到了大模型人工智能所具备的应用潜力。

Oracle昨天发布第三季度财报，结果显示收入和利润均超分析师的预期，实现了近两年来最好的季度业绩增长。该季度Oracle的收入同比增长近2％，超过97.9亿美元。利润小幅下降至25.7亿美元，合每股79美分，但调整后的每股收益97美分，略高于分析师的预期。

北京大学和百度VIS联合研发的MV-AR技术，首次让AI学会像人类一样逐步观察物体，通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题，支持文字、图像、形状等多种输入，在3D内容创作、机器人视觉等领域具有广阔应用前景。

南加州大学研究团队开发出一种名为PILS的新技术，能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹"，将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中，可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响，揭示了当前依赖隐藏指令的安全机制可能存在漏洞，为AI安全防护提出了新挑战。